import numpy as np import matplotlib.pyplot as mp import datetime as dt import matplotlib.dates as md \'\'\' 移动均线：制作收盘价的5日移动均线，即从第5天开始，每天计算最近5天的收盘价的均值构成的一条线 ----作用：降噪 \'\'\' # 日期转化函数 def dmy2ymd(dmy): # 把dmy格式的字符串转化成ymd格式的字符串 dmy = str(dmy, encoding=\'utf-8\') d = dt.datetime.strptime(dmy, \'%d-%m-%Y\') d = d.date() ymd = d.strftime(\'%Y-%m-%d\') return ymd dates, opening_prices, highest_prices, lowest_prices, closing_prices = \ np.loadtxt(\'./da_data/aapl.csv\', delimiter=\',\', usecols=(1, 3, 4, 5, 6), unpack=True, dtype=\'M8[D], f8, f8, f8, f8\', converters={1: dmy2ymd}) # converters为转换器，运行时先执行，其中1表示时间所在的列索引号 # 绘制收盘价折线图 mp.figure(\'AAPL\', facecolor=\'lightgray\') mp.title(\'AAPL\', fontsize=18) mp.xlabel(\'date\', fontsize=12) mp.ylabel(\'closing_pricing\', fontsize=12) mp.tick_params(labelsize=10) mp.grid(linestyle=\':\') # 设置x轴的刻度定位器，使之更适合显示日期数据 ax = mp.gca() # 以周一作为主刻度 ma_loc = md.WeekdayLocator(byweekday=md.MO) # 次刻度，除周一外的日期 mi_loc = md.DayLocator() ax.xaxis.set_major_locator(ma_loc) ax.xaxis.set_major_formatter(md.DateFormatter(\'%Y-%m-%d\')) ax.xaxis.set_minor_locator(mi_loc) # 日期数据类型转换，更适合绘图 dates = dates.astype(md.datetime.datetime) mp.plot(dates, closing_prices, linewidth=2, linestyle=\'--\', color=\'dodgerblue\', label=\'AAPL\', alpha=0.3) # 绘制5日移动均线 sma = np.zeros(closing_prices.size - 4) for i in range(sma.size): sma[i] = closing_prices[i:i + 5].mean() mp.plot(dates[4:], sma, color=\'orangered\', linestyle=\':\', label=\'SMA5\') mp.tight_layout() mp.legend() # 自动格式化x轴日期的显示格式（以最合适的方式显示） mp.gcf().autofmt_xdate() mp.show()
基于卷积运算实现5日移动平均线
卷积运算规则及分类：
实现代码：
import numpy as np import matplotlib.pyplot as mp import datetime as dt import matplotlib.dates as md \'\'\' 1.移动均线：制作收盘价的5日移动均线，即从第5天开始，每天计算最近5天的收盘价的均值二构成的一条线 ----作用：降噪 2.有效卷积实现5日移动平均线绘制 \'\'\' # 日期转化函数 def dmy2ymd(dmy): # 把dmy格式的字符串转化成ymd格式的字符串 dmy = str(dmy, encoding=\'utf-8\') d = dt.datetime.strptime(dmy, \'%d-%m-%Y\') d = d.date() ymd = d.strftime(\'%Y-%m-%d\') return ymd dates, opening_prices, highest_prices, lowest_prices, closing_prices = \ np.loadtxt(\'./da_data/aapl.csv\', delimiter=\',\', usecols=(1, 3, 4, 5, 6), unpack=True, dtype=\'M8[D], f8, f8, f8, f8\', converters={1: dmy2ymd}) # converters为转换器，运行时先执行，其中1表示时间所在的列索引号 # 绘制收盘价折线图 mp.figure(\'AAPL\', facecolor=\'lightgray\') mp.title(\'AAPL\', fontsize=18) mp.xlabel(\'date\', fontsize=12) mp.ylabel(\'closing_pricing\', fontsize=12) mp.tick_params(labelsize=10) mp.grid(linestyle=\':\') # 设置x轴的刻度定位器，使之更适合显示日期数据 ax = mp.gca() # 以周一作为主刻度 ma_loc = md.WeekdayLocator(byweekday=md.MO) # 次刻度，除周一外的日期 mi_loc = md.DayLocator() ax.xaxis.set_major_locator(ma_loc) ax.xaxis.set_major_formatter(md.DateFormatter(\'%Y-%m-%d\')) ax.xaxis.set_minor_locator(mi_loc) # 日期数据类型转换，更适合绘图 dates = dates.astype(md.datetime.datetime) mp.plot(dates, closing_prices, linewidth=2, linestyle=\'--\', color=\'dodgerblue\', label=\'AAPL\', alpha=0.3) # 绘制5日移动均线 sma = np.zeros(closing_prices.size - 4) for i in range(sma.size): sma[i] = closing_prices[i:i + 5].mean() mp.plot(dates[4:], sma, color=\'orangered\', linestyle=\':\', label=\'SMA5\') # 基于卷积实现5日均线 kernel = np.ones(5) / 5 sma2 = np.convolve(closing_prices, kernel, \'valid\') mp.plot(dates[4:], sma2, color=\'magenta\', linewidth=7, label=\'SMA52\', alpha=0.3) mp.tight_layout() mp.legend() # 自动格式化x轴日期的显示格式（以最合适的方式显示） mp.gcf().autofmt_xdate() mp.show()
加权卷积实现5日加权均线
--------卷积核相当于权重数组
实现代码如下：
import numpy as np import matplotlib.pyplot as mp import datetime as dt import matplotlib.dates as md \'\'\' 1.移动均线：制作收盘价的5日移动均线，即从第5天开始，每天计算最近5天的收盘价的均值二构成的一条线 ----作用：降噪 2.有效卷积实现5日移动平均线绘制 \'\'\' # 日期转化函数 def dmy2ymd(dmy): # 把dmy格式的字符串转化成ymd格式的字符串 dmy = str(dmy, encoding=\'utf-8\') d = dt.datetime.strptime(dmy, \'%d-%m-%Y\') d = d.date() ymd = d.strftime(\'%Y-%m-%d\') return ymd dates, opening_prices, highest_prices, lowest_prices, closing_prices = \ np.loadtxt(\'./da_data/aapl.csv\', delimiter=\',\', usecols=(1, 3, 4, 5, 6), unpack=True, dtype=\'M8[D], f8, f8, f8, f8\', converters={1: dmy2ymd}) # converters为转换器，运行时先执行，其中1表示时间所在的列索引号 # 绘制收盘价折线图 mp.figure(\'AAPL\', facecolor=\'lightgray\') mp.title(\'AAPL\', fontsize=18) mp.xlabel(\'date\', fontsize=12) mp.ylabel(\'closing_pricing\', fontsize=12) mp.tick_params(labelsize=10) mp.grid(linestyle=\':\') # 设置x轴的刻度定位器，使之更适合显示日期数据 ax = mp.gca() # 以周一作为主刻度 ma_loc = md.WeekdayLocator(byweekday=md.MO) # 次刻度，除周一外的日期 mi_loc = md.DayLocator() ax.xaxis.set_major_locator(ma_loc) ax.xaxis.set_major_formatter(md.DateFormatter(\'%Y-%m-%d\')) ax.xaxis.set_minor_locator(mi_loc) # 日期数据类型转换，更适合绘图 dates = dates.astype(md.datetime.datetime) mp.plot(dates, closing_prices, linewidth=2, linestyle=\'--\', color=\'dodgerblue\', label=\'AAPL\', alpha=0.3) # 绘制5日移动均线 sma = np.zeros(closing_prices.size - 4) for i in range(sma.size): sma[i] = closing_prices[i:i + 5].mean() mp.plot(dates[4:], sma, color=\'orangered\', linestyle=\':\', label=\'SMA5\') # 基于卷积实现10日均线 kernel = np.ones(10) / 10 sma2 = np.convolve(closing_prices, kernel, \'valid\') mp.plot(dates[9:], sma2, color=\'magenta\', linewidth=7, label=\'SMA52\', alpha=0.3) # 基于卷积实现5日均线 kernel = np.ones(5) / 5 sma3 = np.convolve(closing_prices, kernel, \'valid\') mp.plot(dates[4:], sma3, color=\'magenta\', linewidth=7, label=\'SMA53\', alpha=0.3) # 基于加权卷积实现5日加权均线 weights = np.exp(np.linspace(-1, 0, 5)) weights = weights[::-1]/weights.sum() print(weights.sum()) sma4 = np.convolve(closing_prices, weights, \'valid\') mp.plot(dates[4:], sma4, color=\'red\', linewidth=3, label=\'SMA54\', alpha=0.3) mp.tight_layout() mp.legend() # 自动格式化x轴日期的显示格式（以最合适的方式显示） mp.gcf().autofmt_xdate() mp.show()
一维卷积适合解决的问题：
1.边移动边计算，对应位置相乘再相加；-
2.数据平滑处理，数据降噪；----重点是卷积核如何选取